针对机器人优化设计等工程应用中普遍存在的黑箱问题,提出了一种高效、稳定的遗传算法-非均匀Kriging-梯度投影混合全局优化(Hybrid global optimization,HGO)算法。该方法使用非均匀Kriging模型对目标函数进行评估,能够在不苛求近似模...
详细信息
针对机器人优化设计等工程应用中普遍存在的黑箱问题,提出了一种高效、稳定的遗传算法-非均匀Kriging-梯度投影混合全局优化(Hybrid global optimization,HGO)算法。该方法使用非均匀Kriging模型对目标函数进行评估,能够在不苛求近似模型全局精度的情况下保证优化过程的精度,并节省大量计算时间。使用梯度投影法对遗传算法种群进行变异,可以在提升优化收敛效率的同时确保优化约束条件,从而可以避免使用并不严格的罚函数法处理约束函数。为验证算法的有效性和优越性,将本算法应用于两个数学测试算例和一个模块化机械臂截面优化实例中,并与其他优化算法比较。结果表明,本算法能够兼顾结果精度、优化效率和算法稳定性,发挥更好的综合性能,从而实现对工程问题的全局优化设计。
为了实现绝对光栅尺的快速解码,提高绝对光栅解码的实时性,建立了片上Nios绝对光栅编解码系统。首先,使用Verilog hdl语言编写了光栅编码采集的前端CCD和AD驱动。接着,将转换后的数据送到后端,以EP2C5T144C8为核心处理器的FPGA上的硬件加速模块,获得光栅条纹编码信息。然后,利用sopc技术,在实现Avalon数据接口ip核的基础上,搭建绝对光栅编码采集和处理平台,最后,在NIOS II IDE软件开发环境中,编写生成伪随机码绝对位置查询数据库和解码程序。实验结果表明:此编解码系统,在解码速度为2000帧/s条件下,精度为7μm,基本解决面阵做采集帧速不够的问题,并有较好的实时性,有效地降低了开发成本,为绝对光栅的开发提供了一个新的途径。
暂无评论